AI Application Boost with NVIDIA RAPIDS Acceleration
NVIDIA RAPIDS加速器驱动AI应用提升

High-speed and high-performance GPU and CUDA computing! Build Data Science pipelines 50 times faster!
高速和高性能的GPU和CUDA计算！构建数据科学管道的速度提升50倍！

教程演示🔗

学生数量：282 个学生

上次更新时间：2024年2月

教程评分：4.7

教程语言：英语

教程字幕：中文、英语字幕

本课程包括：6.5 小时 长的随选视频、在移动设备和电视上观看、完整的永久访问权、结业证书、2 篇文章字幕

学习内容

1、理解使用CPU和GPU处理数据的区别。
2、使用cuDF作为替代pandas，以加速GPU处理。
3、使用cuDF实现代码来操作数据框(DataFrames)。
4、使用cuPy作为numpy的替代方案，以实现GPU加速处理。
5、使用cuML作为scikit-learn的替代方案，以实现GPU加速处理。
6、使用cuDF和cuML实现一个完整的机器学习项目。
7、比较在CPU上运行的经典Python库与在GPU上运行的RAPIDS库的性能。
8、使用DASK实现并行和分布式处理项目
9、将DASK与cuDF和cuML集成，以利用GPU性能。

要求

1、GPU (Graphics Processing Unit) 和 CUDA (Compute Unified Device Architecture)

2、”RAPIDS” 在这里可能是某个项目的名称、缩写或者时间管理系统中的一个术语，没有提供足够的上下文进行直译。如果是时间，11:27表示上午11点27分。如果需要翻译特定的含义，请提供更多信息。

如果”RAPIDS”是一个固定词组或专有名词，不需要翻译，直接保留原样。
3、课程资料
4、编程逻辑
5、基础Python编程
6、机器学习：理解算法训练过程的基本原理，以及分类和回归技术。

课程介绍

数据科学和机器学习是全球最大的计算领域，模型分析准确性的微小提升就能对底线产生数十亿的影响。数据科学家不断努力训练、评估、迭代和优化模型，以实现高度精确的结果和卓越性能。借助NVIDIA强大的RAPIDS平台，过去耗时数天的任务现在只需几分钟即可完成，使得高价值模型的构建和部署更加便捷和敏捷。在数据科学中，额外的计算能力意味着更快、更有效的洞察力。RAPIDS利用NVIDIA CUDA的强大功能，加速整个数据科学建模工作流程，运行在图形处理器（GPU）上。

在这门课程中，你将学习如何将你的机器学习应用提升到新的水平！以下是部分课程内容概要：

1. 使用cuDF、cuPy和cuML库替代Pandas、NumPy和scikit-learn，确保在GPU上高效处理数据并执行机器学习算法。

2. 比较经典Python库与RAPIDS的性能。在课程中的某些实验中，我们实现了超过900倍的速度提升。这表明在某些数据库和算法下，RAPIDS的速度可以快900倍！

3. 使用RAPIDS创建一个完整的机器学习项目，从数据加载到预测，每一步都详细讲解。

4. 利用DASK进行多GPU或CPU上的任务并行处理，与RAPIDS集成以获得卓越性能。

课程全程使用Python编程语言和在线Google Colab。这样，你无需本地GPU也能跟随课程，因为我们将利用谷歌提供的免费硬件资源。

“掌握数据科学与机器学习的革新工具！这门课程教你如何通过NVIDIA RAPIDS平台，利用GPU的威力，将模型分析速度提升至新高度。提升900倍效率，cuDF、cuPy和cuML的实战应用，让你的机器学习项目变得更快、更强大。全程Python与Colab教学，无论是否拥有GPU，都能体验到前所未有的数据处理和建模速度。立即加入，解锁高精度和敏捷洞察的密码！”